布匹瑕疵識別中的關鍵技術研究.pdf

1、布匹的質量控制在紡織品行業(yè)中起著非常關鍵的作用,而布匹瑕疵是影響布匹質量控制的重要因素。目前,布匹瑕疵識別主要依靠傳統(tǒng)的人工離線完成,存在工作量大、檢測速度慢且準確度低等問題。隨著計算機和模式識別技術的快速發(fā)展,布匹瑕疵自動識別是紡織工業(yè)生產(chǎn)中質量監(jiān)控的必然趨勢。當前,布匹瑕疵自動識別的研究雖然已經(jīng)取得了一定的成果,但是由于采集圖像受光照變化、噪聲等影響,以及瑕疵具有類別較多等問題,使得布匹瑕疵識別仍然是一個具有挑戰(zhàn)性的研究課題。

2、>　　本文將重點放在瑕疵識別中檢測和分類等關鍵算法的研究上,將近年來模式識別領域的前沿理論引入布匹瑕疵識別中,針對10類常見瑕疵的識別問題進行深入研究,論文取得了以下主要研究成果:
　　1.針對瑕疵類別較多,以及單一方法只對某些類別瑕疵有效的問題,設計了一種小波變換多尺度積和數(shù)學形態(tài)學的瑕疵檢測算法。首先采用非下采樣小波變換把瑕疵圖像分解成多個子圖,然后對低頻近似子圖進行數(shù)學形態(tài)學運算,得到瑕疵的形狀特征,對高頻子圖采用小波多尺度

3、積方法,可以抑制噪聲的同時增強瑕疵的邊緣特征,最后用加權平均法融合得到檢測結果。實驗從主觀和客觀兩方面進行評價,與經(jīng)典的Gabor和小波變換算法比較,該算法能快速有效地實現(xiàn)布匹瑕疵檢測,綜合性能優(yōu)于對比算法。
　　2.利用非下采樣Contourlet變換(Nonsubsampled Contourlet Transform,NSCT)的分解系數(shù)能較好地描述瑕疵圖像輪廓的特性,提出了兩種基于NSCT的布匹瑕疵檢測算法。(1)提出一種

4、基于NSCT標準差的檢測算法。通過方差代價函數(shù)得到最優(yōu)子帶,由于瑕疵和非瑕疵區(qū)域系數(shù)差別較小,閾值法很難進行瑕疵分割,采用標準差法可以較好地處理這個問題。該算法對瑕疵定位較準且計算量小。(2)提出一種基于NSCT的高斯混合模型(Gaussian Mixture Model,GMM)的檢測算法。該算法通過代價函數(shù)法獲取最優(yōu)子帶,然后實時地估計瑕疵和非瑕疵區(qū)域的GMM參數(shù),避免了對每一類瑕疵的估計,最后根據(jù)最大后驗概率進行瑕疵分割。該算法不

5、需要瑕疵的先驗知識,與幾種對比算法相比性能得到了較大的提升。
　　3.針對布匹瑕疵種類多,相似類瑕疵不易區(qū)分的問題,提出一種基于改進GMM參數(shù)估計的布匹瑕疵分類算法。對變換域的子帶提取全局統(tǒng)計特征,實驗表明全局特征在類內具有穩(wěn)定性;針對局部二值模式(Local Binary Pattern,LBP)和灰度共生矩陣(Gray Level Co-occurrence Matrix,GLCM)各自的優(yōu)勢,提出采用兩者融合的局部特征提取方

6、法,該特征反映了瑕疵的細節(jié)特性且維數(shù)較小。然后引入最小誤分率函數(shù),提出一種聯(lián)合估計 GMM參數(shù)的方法,最后通過貝葉斯分類器進行分類。實驗結果表明,混合特征能更好地表述瑕疵特征,相對于傳統(tǒng)分類方法,本文算法得到更高的分類正確率,而且樣本變化對性能影響較小。
　　4.基于過完備字典的稀疏表示是一種新興的信號表示理論。針對過完備字典可以有效地捕捉圖像各種特征的優(yōu)勢,以及已有瑕疵分類算法對分割效果的依賴性,提出了基于字典學習的稀疏表示布匹